基于灰色回歸組合模型的交通量預(yù)測畢業(yè)論文

1、畢業(yè)設(shè)計(jì)（論文）報(bào)告題 目 學(xué) 院 學(xué) 院 專 業(yè) 學(xué)生姓名 學(xué) 號 年級 級 指導(dǎo)教師 畢業(yè)教務(wù)處制表畢業(yè)學(xué)生姓名： xx填寫 學(xué)號： xx填寫 專業(yè)： xx填寫 畢業(yè)設(shè)計(jì)（論文）題目： 指導(dǎo)教師意見：（請對論文的學(xué)術(shù)水平做出簡要評述。包括選題意義；文獻(xiàn)資料的掌握；所用資料、實(shí)驗(yàn)結(jié)果和計(jì)算數(shù)據(jù)的可靠性；寫作規(guī)范和邏輯性；文獻(xiàn)引用的規(guī)范性等。還須明確指出論文中存在的問題和不足之處。） 指導(dǎo)教師結(jié)論： （合格、不合格）指導(dǎo)教師姓名所在單位指導(dǎo)時(shí)間畢業(yè)設(shè)計(jì)（論文）評閱教師評閱意見表 學(xué)生姓名： xx填寫 學(xué)號： xx填寫 專業(yè)： xx填寫 畢業(yè)設(shè)計(jì)（論文）題目： 農(nóng)村宅基地測量技術(shù)研究 評閱意見：

2、（請對論文的學(xué)術(shù)水平做出簡要評述。包括選題意義；文獻(xiàn)資料的掌握；所用資料、實(shí)驗(yàn)結(jié)果和計(jì)算數(shù)據(jù)的可靠性；寫作規(guī)范和邏輯性；文獻(xiàn)引用的規(guī)范性等。還須明確指出論文中存在的問題和不足之處。）修改意見：（針對上面提出的問題和不足之處提出具體修改意見。評閱成績合格，并可不用修改直接參加答辯的不必填此意見。）畢業(yè)設(shè)計(jì)（論文）評閱成績 （百分制）： 評閱結(jié)論： （同意答辯、不同意答辯、修改后答辯）評閱人姓名所在單位評閱時(shí)間論文原創(chuàng)性聲明本人鄭重聲明：本人所呈交的本科畢業(yè)論文農(nóng)村宅基地測量技術(shù)研究，是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究工作所取得的成果。論文中引用他人的文獻(xiàn)、資料均已明確注出，論文中的結(jié)論和結(jié)果為本人

3、獨(dú)立完成，不包含他人成果及使用過的材料。對論文的完成提供過幫助的有關(guān)人員已在文中說明并致以謝意。本人所呈交的本科畢業(yè)論文沒有違反學(xué)術(shù)道德和學(xué)術(shù)規(guī)范，沒有侵權(quán)行為，并愿意承擔(dān)由此而產(chǎn)生的法律責(zé)任和法律后果。 論文作者（簽字）： xx填寫日期：xx填寫年月日題目：基于灰色回歸組合模型的交通量預(yù)測摘 ?要：交通量預(yù)測作為公路可行性研究的核心內(nèi)容，對其進(jìn)行精準(zhǔn)預(yù)測是對交通運(yùn)輸規(guī)劃與管理研究的基礎(chǔ)。交通運(yùn)輸問題隨著車輛的增多變得日益復(fù)雜，故交通量預(yù)測逐漸變成研究的熱點(diǎn)問題。本文結(jié)合智能計(jì)算、回歸分析及灰色模型等理論，通過優(yōu)化GM（1，1）模型，提出合理權(quán)重，結(jié)合回歸模型和優(yōu)化后的GM（1，1）模型，構(gòu)建

4、了優(yōu)化的交通量組合預(yù)測模型。最后，經(jīng)過溧馬高速實(shí)際數(shù)據(jù)的檢驗(yàn)，驗(yàn)證了該模型能夠有效提高交通量短時(shí)預(yù)測精度。關(guān)鍵詞：交通量預(yù)測;回歸分析;GM模型;組合建模0 引言當(dāng)前，社會(huì)經(jīng)濟(jì)正在迅猛發(fā)展，在各類基礎(chǔ)產(chǎn)業(yè)中交通運(yùn)輸是關(guān)鍵部分，其是提高社會(huì)經(jīng)濟(jì)效益的重要一環(huán)和必備條件。道路交通量的大小是體現(xiàn)道路運(yùn)輸水平的重要標(biāo)志，其中預(yù)測出的交通量是道路在進(jìn)行交通規(guī)劃與建設(shè)時(shí)重要的技術(shù)參數(shù)，亦是決定道路等級，道路斷面、結(jié)構(gòu)形式和標(biāo)準(zhǔn)等的重要基礎(chǔ)參數(shù)。因此正確預(yù)測交通量顯得特別重要。在對路網(wǎng)展開具體規(guī)劃過程中，必須結(jié)合多方面的要素展開分析，其中比較典型的包括經(jīng)濟(jì)、交通供應(yīng)等1。另外，如果存在社會(huì)、交通特征等相關(guān)信

5、息較為缺乏的問題，采用數(shù)學(xué)模型推測未來交通量更具有可行性。對于普通的組合模型，通常運(yùn)用線性組合，利用科學(xué)合適的加權(quán)平均辦法，給予各項(xiàng)不同權(quán)系數(shù)，并進(jìn)行累加，從而得出組合預(yù)測模型。因此如何精準(zhǔn)確定加權(quán)權(quán)系數(shù)是建立各組合模型的重點(diǎn)和難點(diǎn)，若賦予不同的加權(quán)權(quán)系數(shù)，實(shí)際獲得的組合預(yù)測模型也必然具有一定區(qū)別，在對組合預(yù)測模型性能進(jìn)行評析過程中，其預(yù)測精度是十分重要的評價(jià)指標(biāo)。交通量信息系統(tǒng)由于會(huì)受到非自然因素、技術(shù)更新、自然環(huán)境變更等多重要素的影響，因此會(huì)存在數(shù)據(jù)偏差、暫缺甚至錯(cuò)誤現(xiàn)象，如作用機(jī)制較為模糊，邊界關(guān)系難以有效描述等，所以它是比較具有代表性的灰色系統(tǒng)2?；疑A(yù)測是依據(jù)過去和如今存在的信息，建

6、立一個(gè)延伸至未來的模型，并進(jìn)一步預(yù)測其在將來一段時(shí)間的走勢。針對經(jīng)典GM（1，1）模型而言3，它在灰色預(yù)測方面應(yīng)用較多，最開始是由知名學(xué)者鄧聚龍?zhí)岢龅?，并且他還設(shè)計(jì)了多樣性的檢驗(yàn)方法，其中比較典型的包括級比檢驗(yàn)、后驗(yàn)誤差檢驗(yàn)等4。本文基于此，將灰色模型與線性回歸模型連立起來，建立二者的組合預(yù)測模型。先分別分析得出回歸模型和GM（1，1）對溧馬高速公路未來的交通量進(jìn)行短期預(yù)測后的預(yù)測結(jié)果，接著聯(lián)合二者得組合預(yù)測模型，經(jīng)過組合的預(yù)測模型預(yù)測未來的交通量，再次得到預(yù)測結(jié)果。最后比較三次預(yù)測結(jié)果的預(yù)測精度，通過研究發(fā)現(xiàn)，組合模型可達(dá)到充分組合運(yùn)用這兩種模型的各自優(yōu)勢的目的，同時(shí)可提高預(yù)測的精度。1 灰

7、色理論模型1.1經(jīng)典GM（1，1）模型首先根據(jù)要求完成灰色系統(tǒng)的建模，在這之后對時(shí)間序列數(shù)據(jù)展開研究，此類數(shù)據(jù)很大程度上表現(xiàn)出離散的特點(diǎn)，如此就能夠獲得所需的連續(xù)微分方程，在進(jìn)行計(jì)算過程中，絕大部分情況下優(yōu)先選用累加生成運(yùn)算的方法，其生成函數(shù)從客觀的角度而言是灰色建模的必要前提。1.2 改進(jìn)GM（1，1）模型1.2.1改進(jìn)初始值經(jīng)典GM（1，1）模型對應(yīng)的初始值為 ，然而在掌握“新信息優(yōu)先使用”的基本原則之后，我們能夠發(fā)現(xiàn)它在GM（1，1）模型中能夠作出相對較大的貢獻(xiàn)，而現(xiàn)階段的初始值與該原則具有一定沖突，因此其誤差性也較為突出5。若設(shè)定 為模型的初始值，此時(shí)會(huì)丟失過去信息，因此此處可以假定

8、主要指代初始值6，而 ，可結(jié)合預(yù)測結(jié)果的極小值和誤差平方和7對 值進(jìn)行分析。2 組合預(yù)測模型交通量能夠表現(xiàn)出多樣性的特點(diǎn)，其中比較典型的包括趨勢性、隨機(jī)波動(dòng)性等，其與社會(huì)環(huán)境、交通系統(tǒng)的復(fù)雜性相關(guān)，故不能用單一的模型預(yù)測增長趨勢。各單一預(yù)測模型在不同的具體情況下有不同的優(yōu)缺點(diǎn)，也會(huì)受到各種條件約束，不能深入多方面來綜合考慮并較為準(zhǔn)確預(yù)測交通量。如果將單一模型按合理的方法組合，最大化發(fā)揮各模型的優(yōu)勢，則有利于更加全面考慮影響因素，有利于提高預(yù)測精度。為更加準(zhǔn)確的預(yù)測，不僅方法需創(chuàng)新，即采用云計(jì)算、大數(shù)據(jù)、深度學(xué)習(xí)和組合預(yù)測等;也需對能夠影響交通量的所有因素有更加深入的了解與認(rèn)知。3 案例分析本文

9、利用常合高速公路溧水至馬鞍山段（簡稱“溧馬高速”）的數(shù)據(jù)進(jìn)行擬合建模研究。2013年末，溧馬高速公路順利通車，它是將江蘇南部與安徽東部進(jìn)行有效銜接的快速通道。然而伴隨近些年該地區(qū)經(jīng)濟(jì)的快速發(fā)展，溧馬高速公路交通量持續(xù)增加，其實(shí)際的交通量已經(jīng)明顯超出預(yù)期的設(shè)計(jì)值，這給高速公路的運(yùn)營、管理和養(yǎng)護(hù)等工作的開展帶來一定影響。因此，有必要針對新形勢，采用科學(xué)精確的方法預(yù)測其交通量，為相關(guān)決策提供依據(jù)。目前，已經(jīng)獲取了溧馬高速2015至2018年共四年的實(shí)際交通量數(shù)據(jù)（如表2所示），本文分別采用各個(gè)模型來預(yù)測溧馬高速至2025年的交通量。3.1 回歸分析模型在處理溧馬高速實(shí)際交通量的過程中，發(fā)現(xiàn)交通量是明

10、顯增長的，結(jié)合已知數(shù)據(jù)在SPSS中展開回歸分析，并通過多樣性的方式展開建模分析，其中比較典型的包括線性、二項(xiàng)式等。由表可得，雖然存在部分組合預(yù)測模型的相對誤差明顯超過單個(gè)預(yù)測模型，然而從客觀角度來講，組合模型得到的結(jié)果更為理想，顯而易見，組合預(yù)測模型可以有效的體現(xiàn)優(yōu)良的預(yù)測精度，能夠?yàn)榈缆方ㄔO(shè)提供參考意見。4 結(jié)論本文采用組合預(yù)測模型進(jìn)行預(yù)測，達(dá)到利用各單一模型的優(yōu)勢，進(jìn)行優(yōu)勢互補(bǔ)。但是交通量的變化和眾多因素相關(guān)，包括社會(huì)經(jīng)濟(jì)發(fā)展，車輛保有率等，若僅靠歷年數(shù)據(jù)進(jìn)行分析預(yù)測是遠(yuǎn)遠(yuǎn)不夠的，且若路網(wǎng)發(fā)生結(jié)構(gòu)變化，區(qū)域路網(wǎng)不再連續(xù)，則該模型不能及時(shí)反映出路網(wǎng)的變化。在接下來的研究中，應(yīng)考慮更多的影響因

11、素，通過對更多數(shù)據(jù)集的統(tǒng)計(jì)分析，進(jìn)而優(yōu)化模型，以彌補(bǔ)僅靠數(shù)據(jù)分析的誤差與不足。參考文獻(xiàn)張新天，羅曉輝.灰色理論與模型在交通量預(yù)測中的應(yīng)用J.公路，2001（8）：4-7.王鵬，何荷.灰色理論在交通量預(yù)測中的應(yīng)用J.公路交通科技（應(yīng)用技術(shù)版），2014，10（7）：325-327.鄧聚龍.灰預(yù)測與灰決策M(jìn).華中科技大學(xué)出版社，2002.鄧聚龍.灰色系統(tǒng)基本方法M.華中理工大學(xué)出版社，1987：110-11.Zhang J. Improvement of Grey Forecasting Model and Its ApplicationJ.Xian University of Technolog

12、y，2008.Dang Y， Liu S， Chen K. The GM Models That x（n） Be Taken as Initial ValueJ.Kybernetes，2004，33（2）.Liu Q L. The Grey Forecasting Model of the International Tourist of HenanJ.Henan Science，2010，28.單銳，王淑花，高東蓮，等.基于時(shí)間序列模型與灰色模型的組合預(yù)測模型的研究J.燕山大學(xué)學(xué)報(bào)，2012，36（1）：79-83.Traffic forecasting and accurate forec

13、asting are central to highway feasibility studies and have important implications for traffic planning and management research. As the number of vehicles increases， transportation issues become more complex. A hot issue that theoretical researchers are concerned about is traffic forecasting， as traf

14、fic problems become more complex and the number of vehicles continues to grow. In this article， when optimizing a GM （1，1） model using regression analysis and gray model theory， we first combine intelligent calculations. Reasonable weights can be obtained by combining the regression model with the optimized GM （1，1） model. The establishment of a combination prediction model for linear traffic volume is mainly based on the gray model and the regression model